[发明专利]车辆多属性识别方法及系统

权利要求书

1.一种车辆多属性识别方法，其特征在于，包括：

创建多个单属性识别模型，每个所述单属性识别模型用于对车辆的一种属性进行识别；

采用所述单属性识别模型对收集的样本车辆图像进行预标注，并基于预标注的所述样本车辆图像进行模型训练，获取训练好的多属性识别模型；

采用所述多属性识别模型对待识别车辆图像进行识别，获取所述多属性识别模型输出的识别结果，所述识别结果包括多个车辆属性。

2.根据权利要求1所述的方法，其特征在于，所述创建多个单属性识别模型，包括：

收集车辆属性识别相关的多种开源数据集，每种所述开源数据集包括包含一种属性标签的数据集；

基于搭建的单属性学习网络，分别使用对应有不同属性标签的数据集对所述学习网络进行模型训练，获得用于对所述属性进行识别的单属性识别模型。

3.根据权利要求2所述的方法，其特征在于，所述开源数据集包括包含车辆姿态属性标签的第一数据集和包含车辆颜色标签的第二数据集；

相应地，所述单属性识别模型包括用于对车辆姿态属性进行识别的第一单属性识别模型和用于对车辆颜色进行识别的第二单属性识别模型。

4.根据权利要求2所述的方法，其特征在于，采用所述单属性识别模型对收集的样本车辆图像进行预标注之前，还包括：

收集不同环境条件下的视频数据，所述环境条件包括地点、时段、天气、视角和光照中的至少一种；

获取所述视频数据中的所述样本车辆图像。

5.根据权利要求4所述的方法，其特征在于，基于预标注的所述样本车辆图像进行模型训练，包括：

对所述样本车辆图像进行另一种属性标签的人工标注；

基于预标注的所述样本车辆图像和/或所述人工标注的所述样本车辆图像进行模型训练。

6.根据权利要求5所述的方法，其特征在于，所述另一种属性标签包括车辆品牌。

7.根据权利要求1所述的方法，其特征在于，所述基于预标注的所述样本车辆图像进行模型训练，包括：

搭建多属性模型特征提取网络；

采用单层卷积搭建两个注意力模块，并使用卷积核对特征进行卷积运算，获取各特征图各区域对识别任务的贡献度，得到注意力区域；

使用注意力图组结合提取的图像特征得到区域注意力特征；

搭建多组全连接网络，每一组所述全连接网络用于对一种属性进行特征分类。

8.一种车辆多属性识别系统，其特征在于，包括：

创建模块，用于创建多个单属性识别模型，每个所述单属性识别模型用于对车辆的一种属性进行识别；

标注模块，用于采用所述单属性识别模型对收集的样本车辆图像进行预标注，并基于预标注的所述样本车辆图像进行模型训练，获取训练好的多属性识别模型；

识别模块，用于采用所述多属性识别模型对待识别车辆图像进行识别，获取所述多属性识别模型输出的识别结果，所述识别结果包括多个车辆属性。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述车辆多属性识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述车辆多属性识别方法的步骤。